机构名称：
¥ 3.0
摘要：脑肿瘤表征（BTC）是通过肿瘤分割、分类、检测和风险分析等各种方法了解脑肿瘤的根本原因及其特征的过程。实质性的脑肿瘤表征包括识别各种有用基因组的分子特征，这些基因组的改变会导致脑肿瘤。放射组学方法通过在人工智能（AI）环境中提取定量放射组学特征来利用放射图像进行疾病表征。然而，当考虑到更高级别的疾病特征，例如遗传信息和突变状态时，“放射组学和基因组学”的综合研究已被视为“放射基因组学”的范畴。此外，放射基因组学环境中的人工智能提供了个性化治疗和个体化医疗等最终结果等好处/优势。本研究借助统计观察和偏倚风险 (RoB) 分析，总结了脑肿瘤在新兴研究领域（即 AI 环境中的放射组学和放射基因组学）中的特征。使用 PRISMA 搜索方法，在 IEEE、Google Scholar、PubMed、MDPI 和 Scopus 中找到了 121 项与本综述相关的研究。我们的研究结果表明，放射组学和放射基因组学都已成功应用于多种肿瘤学应用，具有众多优势。此外，在 AI 范式下，传统和深度放射组学特征都对 BTC 放射基因组学方法的有利结果产生了影响。此外，偏倚风险 (RoB) 分析通过提供其中涉及的偏差，可以更好地理解具有 AI 更强优势的架构。
在人工智能框架中使用放射基因组学进行脑肿瘤表征
主要关键词
相关文件推荐
